研究人员开发出生物相容的可植入式人工智能平台

德累斯顿工业大学的一组研究人员开发出了一种生物相容的可植入式人工智能平台，能够实时分类健康和病理模式的生物信号，如心跳。该平台无需医疗监督即可检测医疗变化。

该研究发表在《科学进展》杂志上。科学进展。

可植入式人工智能的挑战

虽然诊断数据，如ECG、EEG和X光图像，可以使用机器学习来检测疾病，但将人工智能植入人体仍然极为困难。这就是为什么德累斯顿工业大学光电子学椅的科学家们的新进展如此重要，因为这是第一次成功展示了这样的系统。

研究团队由卡尔·利奥教授、汉斯·克莱曼博士和马特奥·库奇领导。

他们提出了一种基于生物相容人工智能芯片的实时分类健康和疾病生物信号的新方法。该团队依赖于聚合物基纤维网络，它们在结构上类似于人类大脑。这些是使得神经形态人工智能原理的储备计算成为可能的因素。

聚合物纤维和递归网络

当聚合物纤维以随机排列形成时，这被称为“递归网络”，它可以像人类大脑一样处理数据。由于网络是非线性的，即使极小的信号变化也可以被放大。例如，心跳通常很难被医生评估，但通过聚合物网络可以轻松完成此类任务，得益于非线性变换。

人工智能在试验中展示了区分健康心跳和三种常见心律失常的能力，并实现了88%的准确率。聚合物网络还消耗的能量比起起搏器少。

根据团队的说法，如此可植入式人工智能系统的潜在应用包括监测心律失常或手术后的并发症。这些可以通过智能手机报告给医生和患者，从而实现快速的医疗救助。

马特奥·库奇是一名博士生，也是论文的第一作者。

“现代电子技术与生物学相结合的愿景在近年来已经取得了很大的进展，尤其是在所谓的有机混合导体的发展方面，”库奇说。“然而，迄今为止，成功仅限于简单的电子组件，如单个突触或传感器。解决复杂任务尚未成为可能。在我们的研究中，我们已经迈出了实现这一愿景的关键一步。通过利用神经形态计算的力量，如这里使用的储备计算，我们不仅成功地实时解决了复杂的分类任务，而且我们也可能在未来能够在人体内实现这一点。这种方法将使我们能够开发出进一步的智能系统，以帮助拯救人类生命。”